Analyse handler om å tilegne seg innsikt basert på innsamlede fakta. I vår digitaliserte tidsalder hentes fakta inn i form av data fra de utallige elektroniske hjelpemidlene som er tilgjengelig for den enkelte ansatte. De viktigste kildene vil være selskapets forretningssystemer som benyttes av marked, salg, regnskap, produksjon og personal. Det finnes også et hav av andre datakilder tilgjengelig på internett, noen som åpne datasett, andre som betalte tjenester. Mengden tilgjengelige data er sjelden problemet, eller er det nettop det som er problemet? Faktum er at vi drukner i data og mengden data øker eksponensielt. Utfordringen er å skille klinten fra hveten. Finne hvilke data som gir oss verdifull innsikt. Fakta som kan besvare spørsmålene vi stiller oss når vi skal ta de små og store beslutningene i hverdagen.
Målet med en analyseløsning er å forvandle data til innsikt, eller skape gull av gråstein så og si
Alle analyseløsninger tar utgangspunkt i eksisterende data og presentere innsikt i form av rapporter og dashboards. I praksis dreie dette seg om data som kommer fra ulike systemer som regnskap, fakturering, timeregistrering, salgsstøtte og ulike produksjonssystemer. Det første vi må gjøre er å samle inn og konsolidere data fra alle de ulike kildene. Deretter strukturerer vi data . I denne prosessen må vi skille klinten fra hveten. Vi må ha en klar oppfatning av hvilke data som er verdifull for analyse. Her handler det først og fremst å forstå behovet selskapet har for innsikt for å kunne ta gode og sunne forretningsmessige beslutninger.
I prinsippet er det 3 måter man oppnår konsoliderte data:
I prinsippet er det 3 måter man oppnår konsoliderte data:
- ett felles produksjonssystem for alle kildedata
- én felles database som alle produksjonssystemene benytter
- et datavarehus som konsoliderer data fra flere kilder
KOMPONENTENE I EN ANALYSELØSNING
Ute hos kunden treffer vi mange virkelig dyktige medarbeidere i forretningen som sitter og jobber i Excel med forretningskritisk analyse og rapportering. På den andre siden har mange store selskaper bygget opp et datavarehus som utvikles og driftes av IT. Store, tunge serverbaserte løsninger, som ofte ender opp som et rigid monster det blir vanskelig å tilfredsstille nye ønsker fra forretningen. Utviklingen stopper opp og forretningen går tilbake til trofaste Excel. Microsoft implementerer analysemotoren fra SSAS i Excel som PowerPivot og introduserer PowerQuery. Dette gir Excel brukerne mulighet til a lage sine egne analysemodeller. Power BI sitter på mange måter mellom disse to teknologiene som et moderne og agilt alternativ med fokus på selvbetjening og deling av datamodeller, rapporter og dashboards.
Vi har sett på hvilke komponenter som inngår i analyseløsningene som vi lager, uavhengig av størrelse og kompleksitet. Fra en Excel-fil som kun brukes av en enkel person til et datavarehus for hele konsernet. Komponentene vi kom frem er; innsamling, konsolidering, modellering, kalkulering og rapportering.
KONTINUERLIG VERDISKAPING
Mange IT-løsninger baserer seg på at man forfatter en grundig kravspesifikasjon og designer løsningen for å tilfredstille denne. Man har kun fokus på det endelige produktet og blir ofte presset pris og dermed tid til å utvikle løsningen. Dette resulterer i en tung utviklingsprosess som blir veldig rigid og brukere ikke får nytte av løsningen før den er endelig ferdig.
Vi ønsker å levere verdi så raskt som mulig, samtidig som vi implementerer en løsning som kan videreutvikles uten å kaste over bord deler av løsningen som vi tidligere har laget.
Kunsten er å bryte løsningen ned i selvstendige komponenter som hver for seg gir verdi. Samtidig må løsningene kunne videreutvikles til en mer komplett løsning uten at komponentene må vrakes og lages på nytt. Resultatet blir delprosjekter som er enklere å håndtere og som leveres tidligere slik at brukerne høster nytte så tidlig som mulig.
Kunsten er å bryte løsningen ned i selvstendige komponenter som hver for seg gir verdi. Samtidig må løsningene kunne videreutvikles til en mer komplett løsning uten at komponentene må vrakes og lages på nytt. Resultatet blir delprosjekter som er enklere å håndtere og som leveres tidligere slik at brukerne høster nytte så tidlig som mulig.
Ulike former for analyseløsning
Selv om alle analyseløsninger følger de samme konseptene vil kompleksiteten være veldig ulik. Først å fremst avhengig av mengden kildedata og antall datakilder. Vi skal her se på noen typiske eksempler på analyseløsninger som spenner fra enkle analyser med Excel til omfattende analyser som krever datavarehus og dedikerte analyseverktøy.
Alt i en enkel Excel-fil
Den enkleste form for analyseløsning er Excel hvor all data ligger i tabeller og kalkuleringen skjer i et regneark. Innsikt kan da visualiseres direkte i Excel med ulike former av grafer. En avart av denne løsningen vil være å ha tabeller med kildedata som lastes over i en Powerdatamodell med Power Query. I datamodellen kan så nye kolonner og verdier kalkuleres, hierarkier opprettes og KPI'er defineres. Dataene vil da være i en form som egner seg å analyseres med Pivot Tabeller. Alt dette skjer altså i en enkelt Excel-fil.